Laboratoriuminformatie
Een LIMS is een hulpmiddel om “laboratoriuminformatie” te beheren. Het belangrijkste doel van een LIMS-systeem is het vastleggen van alle soorten wetenschappelijke gegevens die door een laboratorium worden geproduceerd of gebruikt. De meeste laboratoria moeten drie categorieën gegevens beheren: inventaris, monsters, en testresultaten. Sommige laboratoria die met dieren of planten werken, hebben specifieke behoeften op het gebied van gegevensbeheer.
Inventory Management
Slecht beheer van laboratoriumvoorraden kan een kostbare fout zijn. Als er niet genoeg voorraad is, kunnen experimenten vertraging oplopen. Het bestellen van meer dan de benodigde voorraden leidt tot verspilling van kosten, omdat voorraden met een beperkte houdbaarheid moeten worden weggegooid. Het bestellen van de verkeerde voorraden kan leiden tot reproduceerbaarheidsproblemen.
Inventarisbeheer is daarom een essentieel onderdeel van een LIMS-systeem. Het moet de laboratoriumleden een lijst van standaardbenodigdheden verschaffen, de beschikbare hoeveelheden van de benodigdheden in het laboratorium bijhouden en de vervaldatum vermelden. Tenslotte moet het de bestelling van benodigdheden vergemakkelijken en het proces van aanschaf bijhouden.
Sample Tracking
Een andere belangrijke functie van laboratoriuminformatiesystemen (LIS) is het bijhouden van monsters. Het bijhouden van monsters betekent dat men de inhoud en de plaats van elke reageerbuis en andere containers in het laboratorium kent. Dit kan een ontmoedigende taak zijn, aangezien zelfs een middelgroot laboratorium duizenden monsters per maand kan verwerken.
Een robuust systeem voor het traceren van monsters berust op twee componenten: de definitie van monstertypen en een solide oplossing voor het labelen van monsters.
Door verschillende typen monsters te definiëren, kan worden gespecificeerd welke gegevens aan de monsters moeten worden gekoppeld om het monster goed te beschrijven. Verwacht mag worden dat verschillende laboratoria monstertypen zullen definiëren op basis van het soort experimenten dat zij uitvoeren.
Een robuust systeem voor monsteretikettering maakt het mogelijk om gemakkelijk etiketten af te drukken die kunnen worden aangebracht op elk soort monster dat in het laboratorium wordt gebruikt. Op zijn minst moeten de etiketten een monsternaam bevatten die duidelijk is afgedrukt en een 1D- of 2D-barcode (ook bekend als DataMatrix) die een unieke identificatiecode codeert. Laboratoriumpersoneel moet de streepjescode kunnen scannen en de gedetailleerde monsterbeschrijving uit het laboratoriuminformatiesysteem kunnen halen.
Veel laboratoria werken met proefdieren. Anderen werken met planten. Hoewel deze “objecten” over het algemeen niet als “monsters” worden beschouwd, zouden ze dat wel kunnen worden wanneer het LIMS flexibel genoeg is om de definitie van een breed scala aan monstertypes mogelijk te maken. Laboratoriumdieren vereisen echter specifieke identificatieoplossingen.
Opslaglocaties
Om monsters te kunnen beheren, moet men ze associëren met locaties, zodat het laboratoriumpersoneel weet waar het ze kan vinden. Een laboratoriuminformatiesysteem moet laboratoriummanagers in staat stellen opslaglocaties te definiëren. Op zijn minst zou dit laboratorium diepvriezers moeten omvatten, omdat ze de neiging hebben complexe structuren te hebben met meerdere lagen van compartimenten, rekken, laden, dozen, en helemaal tot cellen die de opslag van een enkel buisje mogelijk maken.
Het opslagbeheersysteem moet flexibel genoeg zijn om gebruikers in staat te stellen andere opslaglocaties te definiëren. Elke plaats waar een monster permanent of tijdelijk kan worden bewaard, moet in het opslagmodel worden opgenomen. Hieronder vallen koelkasten, koelruimten, incubatoren, rekken in kasten en zelfs banken.
Testresultaten
Tot slot is een van de belangrijkste functies van een laboratoriuminformatiesysteem het koppelen van testresultaten aan monsters. Wanneer het resultaat van een test een eenvoudig gegevenspunt is, zoals een concentratie, is het mogelijk het testresultaat rechtstreeks in het monsterrecord op te nemen. Het komt echter steeds vaker voor dat testresultaten aanvankelijk de vorm aannemen van grote gegevensreeksen die zijn verzameld op één enkel monster of op een batch van monsters. Een microscopisch experiment dat een reeks beelden of een film oplevert, is een voorbeeld van een dataset die gekoppeld is aan een enkel monster. Resultaten van een sequencingexperiment zullen waarschijnlijk ruwe gegevens van meerdere monsters bevatten. In deze situaties moet het LIMS de gegevensintegriteit waarborgen door middel van relaties tussen monsters, ruwe datasets, en verwerkte gegevens.
